Buchumschlag

Constitutional Classifiers++: Efficient Production-Grade Defenses against Universal Jailbreaks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Cunningham, Hoagy, Wei, Jerry, Wang, Zihan, Persic, Andrew, Peng, Alwin, Abderrachid, Jordan, Agarwal, Raj, Chen, Bobby, Cohen, Austin, Dau, Andy, Dimitriev, Alek, Gilson, Rob, Howard, Logan, Hua, Yijin, Kaplan, Jared, Leike, Jan, Lin, Mu, Liu, Christopher, Mikulik, Vladimir, Mittapalli, Rohit, O'Hara, Clare, Pan, Jin, Saxena, Nikhil, Silverstein, Alex, Song, Yue, Yu, Xunjie, Zhou, Giulio, Perez, Ethan, Sharma, Mrinank
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Cryptography and Security Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Constitutional Classifiers: Defending against Universal Jailbreaks across Thousands of Hours of Red Teaming
von: Sharma, Mrinank, et al.
Veröffentlicht: (2025)

Rapid Response: Mitigating LLM Jailbreaks with a Few Examples
von: Peng, Alwin, et al.
Veröffentlicht: (2024)

Forecasting Rare Language Model Behaviors
von: Jones, Erik, et al.
Veröffentlicht: (2025)

Trojan-Speak: Bypassing Constitutional Classifiers with No Jailbreak Tax via Adversarial Finetuning
von: Sel, Bilgehan, et al.
Veröffentlicht: (2026)

Shelflessness as a Virtue: Preserving Serendipity in an Electronic Reference Collection
von: Ford, Lyle, et al.
Veröffentlicht: (2009)

Magnitude function determines generic finite metric spaces
von: O'Hara, Jun
Veröffentlicht: (2024)

Spin Entanglement -- A Unifying Principle for Superconductors and Molecular Bonding
von: O'Hara, Paul
Veröffentlicht: (2024)

Distinguishing finite metric spaces via similarity spectra
von: O'Hara, Jun
Veröffentlicht: (2025)

El Laberinto Caribeño. Tragedias ocultas / Grainne O'Hara
von: O'Hara, Grainne
Veröffentlicht: (2007)

Attending to the health needs of people with intellectual disability: quality standards
von: Jean O'Hara
Veröffentlicht: (2008)

Creación y producción audiovisual colaborativa. Implicaciones sociales y culturales del uso de software libre y recursos audiovisuales de código abierto
von: Kieron O’Hara
Veröffentlicht: (2008)

The Reading Interests of Primary Children as Reflected in Their Library Choices.
von: O'Hara, Kathryn
Veröffentlicht: (1973)

Retirement Benefits; or, What Are You Doing with Those Puppets and Picture Books? I Thought Your Bag Was Federal Documents!
von: O'Hara, Fred
Veröffentlicht: (1993)

Where now for Britain's Universities?
von: Glen O’Hara
Veröffentlicht: (2025)

Canções de Luto: Assinalando a pesquisa conduzida pela prática na vida cotidiana
von: Emily O’Hara
Veröffentlicht: (2018)

Self-Attention Diffusion Models for Zero-Shot Biomedical Image Segmentation: Unlocking New Frontiers in Medical Imaging
von: Hamrani, Abderrachid, et al.
Veröffentlicht: (2025)

X-ray reflectivity study of a W/Si multilayer grating
von: P. Mikulík
Veröffentlicht: (2001)

A new species of Neomintho Brauer & Bergenstamm and provisional reclassification of the tribe Euthelairini (Tachinidae, Exoristinae)
von: O'Hara, James E.
Veröffentlicht: (2026)

FIGURE 1 in A new species of Neomintho Brauer & Bergenstamm and provisional reclassification of the tribe Euthelairini (Tachinidae, Exoristinae)
von: O'Hara, James E.
Veröffentlicht: (2026)

Characteristics of Subject Headings in the Library of Congress BOOKSM Database.
von: Conway, Martha O'Hara
Veröffentlicht: (1993)

Expanding trans German studies
von: John Harvey O'Hara
Veröffentlicht: (2024)

Significant multicropping and low land‐use risk classifications in international aviation and maritime fuel standards
von: Jeffrey K. O’Hara
Veröffentlicht: (2025)

Note on pepper pungency and environmental stress
von: Kieran D. O'Hara
Veröffentlicht: (2025)

Revision of some ophiuroid records (Echinodermata: Ophiuroidea) from Argentina
von: Brogger, M., et al.
Veröffentlicht: (2015)

Self-Customisation: Using a Portfolio to Enhance Learner Independence
von: Marion Engrand-O'Hara
Veröffentlicht: (2012)

CR-invariant energy of Legendrian knots in the Heisenberg group
von: Matsumoto, Yoshihiko, et al.
Veröffentlicht: (2026)

Distinguishing regular polygons, cycle graphs, and circular metric spaces by the distance multiset and magnitude
von: Kodama, Hiroki, et al.
Veröffentlicht: (2024)

Adaptação transcultural de instrumentos de medida do cuidado centrado na família
von: Tammy O'Hara Neves Silva
Veröffentlicht: (2015)

Segment-Level Coherence for Robust Harmful Intent Probing in LLMs
von: He, Xuanli, et al.
Veröffentlicht: (2026)

Best-of-N Jailbreaking
von: Hughes, John, et al.
Veröffentlicht: (2024)

Ophiomyces grandis Lyman 1879
von: O'Hara, Timothy D., et al.
Veröffentlicht: (2025)

FIGURE 7 in Seamount ophiuroids from the High Seas of the western Indian Ocean
von: O'Hara, Timothy D., et al.
Veröffentlicht: (2025)

Reasoning Models Don't Always Say What They Think
von: Chen, Yanda, et al.
Veröffentlicht: (2025)

Jailbreaking to Jailbreak
von: Kritz, Jeremy, et al.
Veröffentlicht: (2025)

Distributionally Robust Optimisation with Bayesian Ambiguity Sets
von: Dellaporta, Charita, et al.
Veröffentlicht: (2024)

Decision Making under the Exponential Family: Distributionally Robust Optimisation with Bayesian Ambiguity Sets
von: Dellaporta, Charita, et al.
Veröffentlicht: (2024)

Routing on Sparse Graphs with Non-metric Costs for the Prize-collecting Travelling Salesperson Problem
von: O'Hara, Patrick, et al.
Veröffentlicht: (2024)

Framework for Collaborative Operation of Autonomous Delivery Vehicles Within a Marshaling Yard
von: O'Hara, James, et al.
Veröffentlicht: (2026)

Pediatric pulmonology year in review—Pediatric pulmonary critical care
von: Jill E. O'Hara, et al.
Veröffentlicht: (2024)

A review of the safety of sodium‐glucose co‐transporter‐2 inhibitors
von: Daniel Vincent O'Hara, et al.
Veröffentlicht: (2025)